基于属性散射中心的SAR 图像重构及在目标识别中的应用*
2021-03-24来雨
火力与指挥控制 2021年2期
关键词:方法
来 雨
(西安建筑科技大学,西安 710055)
0 引言
合成孔径雷达(SAR)可以通过高分辨率成像实现对地表以及浅埋物体的有效观测[1]。自动目标识别(ATR)技术旨在基于SAR 图像对感兴趣目标进行类别确认[2-3]。作为SAR 目标识别方法的重要步骤之一,特征提取往往在进行分类决策之前对SAR图像中的目标进行特性描述。常用特征有目标几何形状特征、灰度投影特征以及散射中心特征等。几何形状特征对SAR 图像中目标的外形分布进行描述。Park 等采用目标二值区域构造多种特征矢量用于目标鉴别及识别[4]。文献[5-6]分别利用目标区域矩和轮廓特征作为目标识别的基本特征。投影特征采用数学基底变换的方式将获取高维SAR 图像投影为低维特征矢量。Mishra 将主成分分析(PCA)和线性鉴别分析(LDA)[7]用于SAR 目标识别中的特征提取环节。近年来,一些性能优异的线性或非线性流形学习算法也被应用于SAR 图像的特征提取[8-9]。散射中心特征描述目标的局部电磁散射现象,即目标整体的电磁散射特性可看作多个局部散射中心的叠加结果[10]。作为典型代表,属性散射中心由于较为优异的物理层描述能力已在SAR 目标识别中得到应用。Chiang 等提出了一种Bayesian 理论的属性散射中心匹配算法,依据最大后验概率的原则对目标类别进行判断[11]。文献[12]采用KL 变换对属性散射中心进行进一步的特征提取,并基于此构建匹配代价矩阵,提出属性散射中心序贯匹配算法。文献[13]首先利用散射中心的相对位置关系构造仿射不变特征,然后采用二分图匹配算法实现散射中心的匹配。……
登录APP查看全文
